深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
881	2025-10-30	Attention-based Transformer-LSTM architecture for early diagnosis and staging of early-stage Parkinson's disease using fNIRS data 2025, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2025.1677722 PMID:41143247	研究论文	开发基于注意力机制的Transformer-LSTM混合深度学习模型ATLAS-PD，用于利用fNIRS数据对早期帕金森病进行诊断和分期	提出结合注意力机制、Transformer和LSTM的混合深度学习架构，首次应用于fNIRS数据的帕金森病早期诊断和分期	研究仅涵盖H&Y分期1-2期的早期帕金森病患者，未验证模型在更晚期病例中的性能	开发客观、非侵入性的帕金森病早期诊断和分期工具	早期帕金森病患者（H&Y分期1-2期）和健康对照者	机器学习	帕金森病	功能性近红外光谱（fNIRS）	Transformer,LSTM	fNIRS信号数据	240名参与者（80名健康对照，80名H&Y 1期患者，80名H&Y 2期患者），其中60名子集进行了步态想象任务	NA	注意力机制Transformer-LSTM混合架构	准确率,AUC,ROC曲线,McNemar检验	NA
882	2025-10-30	Deep Learning-Based Analysis of Mammographic Images for Breast Cancer Detection Using Transfer Learning 2025 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70019 PMID:41143280	研究论文	本研究提出了一种基于迁移学习的创新方法，通过分析乳腺X线影像来检测乳腺癌	采用迁移学习方法结合多种CNN架构进行乳腺癌检测，AlexNet架构取得了最佳性能	数据集仅来自拉合尔当地医院的900张乳腺X线影像，样本规模有限	早期检测乳腺癌并辅助医疗诊断	乳腺X线影像	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	900张乳腺X线影像	NA	Inception-v3, ResNet-50, VGG-16, SqueezeNet, AlexNet	准确率	NA
883	2025-10-30	Interpretable multitask deep learning models for odor perception based on molecular structure 2025, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2025.101219 PMID:41140575	研究论文	开发基于分子结构的可解释多任务深度学习模型用于气味感知预测	使用图神经网络架构(kMoL)同时预测多种气味类别，通过多任务学习捕获相关气味间的共享表征，并应用集成梯度方法实现原子级贡献解释	模型在14种气味类别上进行训练，可能无法覆盖所有气味类型；化学结构可视化显示气味类型无明显聚类模式	研究分子结构与气味感知之间的关系，为香料配方、食品开发和药物设计提供支持	化学分子结构及其对应的气味感知特征	机器学习	NA	图神经网络，多任务学习	GNN	分子结构数据	涵盖14种气味类别的实验数据	NA	kMoL	准确率，稳定性	NA
884	2025-10-30	New avenues for understanding what deep networks learn from EEG 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1625732 PMID:41140778	研究论文	本研究通过可解释性方法探索深度网络从EEG信号中学习到的特征	引入两种互补架构和专用可视化技术来理解完整网络学习的特征，包括使用可逆网络生成典型输入信号和设计完全可视化的紧凑网络	研究仅针对二分类任务（非病理性和病理性EEG），网络理解仍为近似性质	理解深度网络在EEG解码任务中学习到的特征	脑电图信号	机器学习	神经系统疾病	EEG信号分析	深度神经网络,可逆网络	EEG信号	NA	NA	可逆网络架构,紧凑网络架构	解码性能	NA
885	2025-10-30	Analysis of breast region segmentation in thermal images using U-Net deep neural network variants 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1609004 PMID:41142198	研究论文	本研究评估了三种U-Net变体在热成像图像中乳房区域分割的性能	首次系统比较U-Net及其变体在热成像乳房分割中的表现，发现简单架构的原始U-Net反而优于更复杂的变体	仅针对热成像数据，未验证在其他医学影像模态上的泛化能力	提高热成像在乳腺癌检测中乳房区域分割的准确性	热成像图像中的乳房区域	计算机视觉	乳腺癌	热成像	CNN	图像	NA	NA	U-Net, U-Net with Spatial Attention, U-Net++	IoU, Dice系数, 精确率, 召回率, 灵敏度, 特异度, 像素准确率, ROC-AUC, PR-AUC	NA
886	2025-10-30	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种能够将标准H&E染色病理图像转换为高质量合成多路免疫荧光图像的深度学习工具	开发了mSIGHT管道，通过整合配准网络克服输入与目标图像不对齐问题，优于标准Pix2Pix和CycleGAN图像转换网络	回顾性研究，样本量有限（17例用于模型开发），需要进一步外部验证	从常规H&E染色组织学图像中提取预测治疗反应的免疫细胞信息	三阴性乳腺癌患者的穿刺活检样本	数字病理学	乳腺癌	多路免疫荧光成像，H&E染色	生成对抗网络	病理图像	17例三阴性乳腺癌病例用于模型开发，218例乳腺癌病例用于验证	Pix2Pix, CycleGAN	mSIGHT（整合配准网络的图像转换架构）	像素级指标，细胞密度，细胞间邻近度，调整后优势比，置信区间，p值	NA
887	2025-10-30	Deep Learning with Contrast-Enhanced Ultrasound for Preoperative Prediction of Early Recurrence in Hepatocellular Carcinoma After Hepatectomy 2025, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S555110 PMID:41142639	研究论文	开发基于对比增强超声和深度学习的框架，用于术前预测肝细胞癌患者肝切除术后早期复发	首次将多期相CEUS影像与深度学习相结合构建预测模型，并通过列线图整合临床变量	回顾性研究设计，样本量相对有限（115例患者）	提高肝细胞癌患者肝切除术后早期复发的术前预测准确性	早期肝细胞癌患者	计算机视觉	肝细胞癌	对比增强超声	深度学习	超声影像	115例早期肝细胞癌患者（训练集75例，验证集40例）	NA	四种深度学习模型（CEUS-AP, CEUS-PP, CEUS-LP, CEUS-MP）	AUC, 敏感性, 特异性	NA
888	2025-10-30	BrainScape: An open-source framework for integrating and preprocessing anatomical MRI datasets 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.944 PMID:41143077	研究论文	介绍BrainScape开源框架，用于整合和预处理160个公开MRI数据集	开发了首个基于插件的开源Python框架，可自动下载、组织和预处理多源MRI数据	主要依赖公开数据集，可能无法覆盖所有临床场景和人口统计学特征	解决神经影像数据整合中的不一致性问题，促进可重复性研究	27227名受试者的46583个多模态MRI扫描	医学影像分析	脑部疾病	MRI	NA	医学影像	27227名受试者，46583个MRI扫描	Python	NA	NA	NA
889	2025-10-30	CausalFormer-HMC: a hybrid memory-driven transformer with causal reasoning and counterfactual explainability for leukemia diagnosis 2025, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2025.1674393 PMID:41158308	研究论文	提出一种结合卷积神经网络、视觉变换器和因果图学习器的混合AI架构CausalFormer-HMC，用于从外周血涂片图像中诊断急性淋巴细胞白血病	首次将因果推理和反事实可解释性集成到混合内存驱动的变换器架构中，用于白血病诊断	NA	提高急性淋巴细胞白血病的诊断精度和可解释性	外周血涂片图像中的白血病细胞	医学影像分析	白血病	外周血涂片图像分析	CNN, Transformer, 因果图学习器	图像	ALL数据集：89名患者的3,256张图像；C-NMC数据集：118名患者的15,135张分割细胞图像	NA	CausalFormer-HMC（混合架构）	准确率, F1分数, ROC-AUC	NA
890	2025-10-30	An explainable hybrid deep learning framework for precise skin lesion segmentation and multi-class classification 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1681542 PMID:41158448	研究论文	提出一种可解释的混合深度学习框架，用于精确的皮肤病变分割和多类别分类	结合U-Net分割网络和EfficientNet-B0分类模块的双任务架构，并集成Grad-CAM增强模型可解释性	存在类别不平衡问题，部分类别代表性不足，需在真实场景中进一步验证	开发用于皮肤病变分割和分类的AI诊断工具	皮肤病变的皮肤镜图像	计算机视觉	皮肤癌	皮肤镜成像	深度学习	图像	HAM10000数据集	NA	U-Net, EfficientNet-B0	Dice系数, 准确率	NA
891	2025-10-30	Correction: DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction 2025, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2025.1704319 PMID:41158509	修正	对先前发表的RNA N4-乙酰胞苷位点预测深度学习框架论文进行内容修正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
892	2025-10-30	GOUHFI: A novel contrast- and resolution-agnostic segmentation tool for ultra-high-field MRI 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.960 PMID:41158555	研究论文	提出一种名为GOUHFI的新型深度学习分割工具，专门用于超高频磁共振图像的分割	首次提出对对比度和分辨率不敏感的超高频MRI分割方法，无需微调或重新训练	训练数据仅包含206个标注图，可能限制模型泛化能力	开发适用于超高频MRI的自动分割技术	超高频磁共振脑部图像	医学影像分析	神经系统疾病	超高频磁共振成像	深度学习	3D磁共振图像	来自4个数据集的206个标注图（包含3T、7T和9.4T数据）	NA	3D U-Net	Dice-Sørensen相似系数	NA
893	2025-10-30	Anomaly detection and early risk identification in digital disaster response-based on deep learning in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1624345 PMID:41158574	研究论文	提出基于深度学习的异常检测和早期风险识别框架，用于数字灾难响应中的公共卫生危机管理	结合LSTM和Transformer架构分析时空数据，在异常检测精度上提升23%，误报率降低31%	未提及模型在极端灾难场景下的泛化能力和计算效率限制	提升公共卫生危机中的实时决策能力和态势感知	来自医院、急救服务、社交媒体和环境传感器的多源异构数据	机器学习	公共卫生事件	深度学习	LSTM, Transformer	时空数据	多个数据集（EM-DAT、FEMA、UNOSAT、Earthquake）	NA	LSTM, Transformer	精确度, 误报率	NA
894	2025-10-30	New-generation rice seed germination assessment: high efficiency and flexibility via SeedRuler web-based platform 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1671998 PMID:41158679	研究论文	开发了一个基于网络的稻种发芽评估平台SeedRuler，结合传统图像处理和深度学习技术提高分析效率和准确性	整合了三种核心模块（传统图像处理、YOLOv5目标检测和SAM分割模型），支持用户自定义发芽标准，提供自动种子尺寸测量功能	NA	提高稻种发芽评估的准确性、效率和可用性	水稻种子	计算机视觉	NA	图像处理，深度学习	YOLOv5, Segment Anything Model (SAM)	图像	1,200张水稻种子图像	NA	YOLOv5, SAM	平均精度均值(mAP), 平均绝对误差(MAE)	基于网络平台
895	2025-10-30	Deep learning for scene understanding in mitochondrial dysregulation and blood cancer diagnosis 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1609851 PMID:41158859	研究论文	提出一种集成医学影像、基因组信息和临床参数的新型深度学习框架，用于线粒体失调相关血癌的全面场景理解和诊断	结合自监督学习、视觉Transformer和图神经网络，采用基于注意力的多模态融合机制，并整合对抗域适应和不确定性量化模块	NA	开发精确可扩展的血癌早期检测和管理框架	线粒体失调相关血癌	数字病理	血癌	医学影像、基因组信息、临床参数多模态数据整合	Transformer, GNN	图像, 基因组数据, 临床数据	NA	NA	视觉Transformer, 图神经网络	分类性能	NA
896	2025-10-30	Deep learning radiomics model of epicardial adipose tissue for predicting postoperative atrial fibrillation after lung lobectomy in lung cancer patients 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1623248 PMID:41158854	研究论文	开发并验证基于心外膜脂肪组织的深度学习影像组学模型，用于预测肺癌患者肺叶切除术后心房颤动的风险	首次结合心外膜脂肪组织的手工和深度学习影像组学特征，构建术后房颤预测模型	机器学习算法和重采样技术未显著提升模型性能	预测肺癌患者肺叶切除术后心房颤动的发生风险	来自两个中心的1,008名肺癌患者	医学影像分析	肺癌	对比增强胸部CT成像	深度学习,逻辑回归	医学影像	1,008名患者	NA	NA	AUC,G-mean,F-measure	NA
897	2025-10-30	LiT: limit order book transformer 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1616485 PMID:41159129	研究论文	提出一种基于Transformer架构的限价订单簿预测模型LiT，用于预测短期市场走势	首次将结构化补丁和基于Transformer的自注意力机制应用于限价订单簿预测，能够同时建模市场微观结构中的空间和时间特征	NA	开发能够准确预测短期市场走势的深度学习模型	高频限价订单簿数据	机器学习	NA	深度学习	Transformer	金融时间序列数据	多个限价订单簿数据集	NA	Transformer	NA	NA
898	2025-10-30	Enhancing COVID-19 classification of X-ray images with hybrid deep transfer learning models 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1646743 PMID:41159128	研究论文	提出一种混合深度迁移学习框架用于COVID-19 X射线图像分类	整合三种不同实验流程，将传统用于目标检测的YOLOV4应用于COVID-19特征检测，并采用遗传算法进行超参数优化	NA	开发高效的COVID-19 X射线图像分类方法	COVID-19 X射线图像	计算机视觉	COVID-19	深度迁移学习	CNN	X射线图像	超过5000个样本的Kaggle数据集	NA	AlexNet, EfficientNetB1, ResNet18, VGG16, YOLOV4	准确率, F1分数, 精确率, AUC	NA
899	2025-10-30	Intracranial aneurysm segmentation on digital subtraction angiography: a retrospective and multi-center study 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1646517 PMID:41159199	研究论文	本研究开发了一种新型深度学习模型SDAN，用于数字减影血管造影中颅内动脉瘤的精确分割	提出了形状感知双流注意力网络，包含边缘感知局部注意力模块和全局形状感知融合块，专门解决小动脉瘤分割难题	回顾性研究，数据来自三个机构，需要进一步前瞻性验证	提高数字减影血管造影中颅内动脉瘤的分割性能，特别是小动脉瘤的分割准确性	颅内动脉瘤	数字病理	脑血管疾病	数字减影血管造影	深度学习	医学图像	62,187张回顾性DSA图像用于训练和测试，26,415张图像用于外部验证	NA	SDAN, ELAM, GSFB	DSC, HD95, 敏感度	NA
900	2025-10-30	Deep Learning System Outperforms Clinicians in Identifying Optic Disc Abnormalities 2023-Jun-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001800 PMID:36719740	研究论文	开发了一种基于深度学习的人工智能系统(BONSAI-DLS)，用于通过眼底照片检测视盘异常，并在性能上超越临床医生	首次开发出能够准确检测视盘异常(包括视乳头水肿)的深度学习系统，并在多中心研究中证明其性能优于一线临床医生	使用回顾性收集的便利样本，可能限制结果的泛化性	评估深度学习系统在识别视盘异常方面的诊断性能，并与不同专业背景的临床医生进行比较	454名患者的800张眼底照片，包括正常视盘、视乳头水肿和其他异常	计算机视觉	眼科疾病	数字眼底摄影	深度学习系统	图像	训练集14,341张眼底照片，测试集800张眼底照片(来自454名患者)	NA	NA	AUC, 错误率, 准确率, 敏感性, 特异性	NA